如何在Pandas DataFrame中基于两列条件实现IF/ELSE生成新列

先明确：apply(lambda x...)完全支持多列参数，只要设置axis=1（按行遍历）就行，此时x对应DataFrame的每一行，直接通过x['列名']就能访问任意列的值。

不过要提一句：Pandas里做条件列生成，向量化操作比apply效率高得多，尤其是处理大数据集的时候。下面给你两种可行方案：

方案1：用apply实现（符合你的思路，直观但效率稍低） #

直接写lambda函数处理每一行，判断条件后赋值：

# 这里默认逻辑设为返回原种族和族裔的组合，你可以改成自己需要的规则
cdc_df['Combined_Demographic'] = cdc_df.apply(
    lambda x: 'Hispanic' if (x['Race'] == 'Caucasian' and x['Ethnicity'] == 'Hispanic') 
    else f"{x['Race']}-{x['Ethnicity']}",
    axis=1
)

如果默认逻辑复杂，也可以单独写个函数：

def get_demographic(row):
    if row['Race'] == 'Caucasian' and row['Ethnicity'] == 'Hispanic':
        return 'Hispanic'
    # 替换成你的默认逻辑，比如返回原Ethnicity或者其他自定义值
    return row['Ethnicity']

cdc_df['Combined_Demographic'] = cdc_df.apply(get_demographic, axis=1)

方案2：向量化操作（推荐，性能更优） #

用numpy.where或者Pandas的loc批量赋值，避免逐行循环：

方法A：numpy.where #

import numpy as np

# 定义判断条件
condition = (cdc_df['Race'] == 'Caucasian') & (cdc_df['Ethnicity'] == 'Hispanic')
# 生成新列：满足条件返回'Hispanic'，否则用默认值（示例用原Ethnicity，可修改）
cdc_df['Combined_Demographic'] = np.where(condition, 'Hispanic', cdc_df['Ethnicity'])

方法B：Pandas loc直接赋值 #

# 先给新列设置默认值（根据你的需求调整）
cdc_df['Combined_Demographic'] = cdc_df['Ethnicity']
# 对满足条件的行更新值
cdc_df.loc[(cdc_df['Race'] == 'Caucasian') & (cdc_df['Ethnicity'] == 'Hispanic'), 'Combined_Demographic'] = 'Hispanic'

要点总结 #

• apply(axis=1)确实能访问多列，x是每行的Series，取列值很方便
• 大数据集优先用向量化方案，apply是逐行循环，数据量越大性能差距越明显
• 记得把代码里的默认逻辑部分改成你实际需要的规则，比如示例里的组合字符串或原Ethnicity，替换成你的默认值生成方式

内容的提问来源于stack exchange，提问作者TomLenzmeier